Monografiainvop2011leiva2 121226094308 Phpapp01

UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO FACULTAD DE CIENCIAS EXACTAS Y TECNOLOGAS CTEDRA: INVESTIGACIN OPERATIVA
MODELOS DE DISTRIBUCIN
Vernica Elizabet Leiva
18/02/2011
UNIVERSIDAD NACONAL DE SANTIAGO DEL ESTERO FACULTAD DE CIENCIAS EXACTAS Y TECNOLOGIAS CATEDRA: INVESTIGACION OPERATIVA
18/02/2011
SUMARIO O TABLA DE CONTENIDO

ndice ............................................................................................................................. 1 Resumen ........................................................................................................................ 2 Introduccin .................................................................................................................. 3 Desarrollo ...................................................................................................................... 5 Modelos de Distribucin...................................................................................5 Problemas de Transporte.5 Formulacin de Modelo Matemtico..8 Mtodo de la Esquina Noroeste..12 Caso minimizacin.......12 Caso maximizacin ....12 Pruebas de Optimalidad y degeneracin.15 Tratamiento de la Degeneracin..15 Prueba de Optimalidad....15 Mtodo de la Trayectoria +-....16 Mtodo de Aproximacin de Vogel....22 Caso minimizacin...23 Caso maximizacin..23 Problemas de Asignacin..34 Formulacin de modelo Matemtico...34 Mtodo Hngaro..35
Conclusin ..................................................................................................................... 38 Bibliografa .................................................................................................................... 39 Enlaces consultados ...................................................................................................... 39
ALUMNA: LEIVA, VERONICA ELIZABET
Pgina | 1
18/02/2011
RESUMEN
Los Modelos de Distribucin tratan bsicamente dos tipos de problemas: Problemas de Transporte: Consiste en colocar en varios destinos, las unidades situadas en varios orgenes, de tal forma que la colocacin sea optima (costo mnimo, ganancia mxima) Problemas de Asignacin: Cosiste en la asignacin de un determinado nmero de orgenes al mismo nmero de destinos, con el objetivo de optimizar alguna funcin de efectividad. Para resolver los problemas de transporte son dos los algoritmos: Mtodo de la Esquina Noroeste y el Mtodo de Aproximacin de Vogel. En cuanto a los problemas de asignacin se resuelven mediante el algoritmo Hngaro o Mtodo Hngaro.
Pgina | 2
18/02/2011
INTRODUCCION
La programacin lineal es un campo tan amplio que se extiende a tipos de problemas para los cuales existen mtodos de solucin especiales. Uno de estos se conoce como problema de transporte. El mtodo simplex de programacin lineal puede servir para resolver estos problemas. Pero se han desarrollado mtodos ms sencillos que aprovechan ciertas caractersticas de los problemas. Entonces, el mtodo del transporte son slo tcnicas especiales para resolver ciertos tipos de problemas de programacin lineal. El transporte desempea un papel importante en la economa y en las decisiones administrativas. Con frecuencia la disponibilidad de transporte econmico es crtica para la supervivencia de una empresa. Qu significa problema de transporte? Supngase que un fabricante tiene tres plantas que producen el mismo producto. Estas plantas, a su vez, mandan el producto a cuatro almacenes. Cada planta puede mandar productos a todos los almacenes, pero el coste de transporte vara con las diferentes combinaciones. El problema es determinar la cantidad que cada planta debe mandar a cada almacn con el fin de minimizar el coste total de transporte. La manera ms fcil de reconocer un problema de transporte es por su naturaleza o estructura de-hacia: de un origen hacia un destino, de una fuente hacia un usuario, del presente hacia el futuro, de aqu hacia all. Al afrontar este tipo de problemas, la intuicin dice que debe haber una manera de obtener una solucin. Se conocen las fuentes y los destinos, las capacidades y demandas y los costes de cada trayectoria. Debe haber una combinacin ptima que minimice el coste (o maximice la ganancia). La dificultad estriba en el gran nmero de combinaciones posibles. La primera referencia escrita de este problema se remonta a 1781, cuando el matemtico francs Gaspard Monge describe el problema de la construccin y abastecimiento de fortificaciones militares de los ejrcitos de Napolen. Monge era entonces general de los ejrcitos napolenicos. Para resolver este problema us el mtodo de contar y llenar, es decir, ir abasteciendo las diferentes trincheras desde los depsitos de material existentes. Formalmente, este material aparece en 1941 cuando F. L. Hitchcock publica una solucin analtica para este problema, aunque su desarrollo se produce a finales de los aos 40, cuando Koopmans (un joven holands) realiza su tesis doctoral sobre los problemas de embarque de la marina holandesa. A partir de ese momento el campo de aplicacin del problema de transporte empieza a crecer de una forma muy rpida, no solo en aplicaciones militares, sino tambin en el campo de la produccin, la distribucin, las finanzas, etc.
Pgina | 3
18/02/2011
Para poder desarrollar la temtica propuesta por la Ctedra de Investigacin Operativa Modelos de Distribucin, se debe tener en cuenta como se mencion que es un caso especial de Programacin Lineal. Este ltima es un mtodo que permite la asignacin de recursos que se consideran limitados. Esta asignacin se hace entre actividades competitivas que buscan tomar los recursos limitados y a su vez se busca optimizar los objetivos. Para los problemas de Programacin Lineal existen tres mtodos de solucin: el grfico, el algebraico y el algortmico (Simplex, Simplex modificado y Dual Simplex). Pero los problemas que tratan los Modelos de Distribucin presentan un nmero importante de variables y restricciones; por esa razn la solucin por el Mtodo Simplex se hace muy engorrosa. Debido a esto es que se han desarrollado algoritmos especiales (mtodos de resolucin particulares para aplicarlos a estos modelos) con el objetivo de simplificar la resolucin. Habiendo planteado la temtica, se proceder al desarrollo exhaustivo de sta, brindando ejemplos y un nivel de detalle prefijado por la Ctedra.
Pgina | 4
18/02/2011
DESARROLLO
M Mo od de ello os sd de eD Diis st tr riib bu uc cii n n

Son modelos de Programacin Lineal que tienen una forma determinada para los cuales el mtodo de resolucin como ser el mtodo Simplex, se hace engorroso y de convergencia lenta. Al ser los modelos de distribucin estructuras especiales que se generan con frecuencia en la vida real, se desarrollaron mtodos de resolucin particulares para aplicarlos a estos modelos. Pero a qu tipo de problemas estamos haciendo referencia? Los Modelos de Distribucin tratan bsicamente dos tipos de problemas:
PROBLEMAS DE TRANSPORTE
MODELOS DE DISTRIBUCION
analiza
PROBLEMAS DE ASIGANCION
FIGURA 1
P Pr ro ob blle em ma as sd de eT Tr ra an ns sp po or rt te e
El problema general de transporte se refiere a la distribucin de cualquier bien desde cualquier grupo de centros de suministro, llamados orgenes, a cualquier grupo de centros de recepcin, llamados destinos, de tal manera que se minimicen los costos totales de distribucin. Cada origen tiene que distribuir ciertas unidades a los destinos y cada destino tiene cierta demanda de unidades que deben recibir de los orgenes. Es este el tipo de problema que se presenta con mayor frecuencia en la vida real y tambin uno de los casos ms importantes de la Programacin lineal. En pocas palabras, el problema de transporte consiste en colocar en varios destinos, las unidades situadas en varios orgenes, de tal forma que la colocacin sea optima, es decir el costo sea mnimo o la ganancia mxima. Si bien optimizar implica la posibilidad de maximizar o minimizar, por las caractersticas del problema, por lo general se trata de la minimizacin de la funcin objetivo, es decir, se trata de minimizar la sumatoria del costo, que representa transportar recursos situados en distintos orgenes a distintos destinos.
Pgina | 5
18/02/2011
ORIGENES
DESTINOS
a1
O1
D1
b1
UNIDADES DE OFERTA
a2
O2
D2
b2
UNIDADES DE DEMANDA
a3
O3
FIGURA 2
D3
b3
Como se puede observar cualquier modelo de transporte se compone de unidades de un bien a distribuir, m orgenes, n destinos, recursos en el origen, demandas en los destinos y costos de distribucin por unidad. Adicionalmente, se tienen varios supuestos: 1. Supuesto de requerimientos: cada origen tiene un suministro fijo de unidades que se deben distribuir por completo entre los destinos. 2. Supuesto de costo: el costo de distribuir unidades de un origen a un destino cualquiera es directamente proporcional al nmero de unidades distribuidas. 3. Propiedad de soluciones factibles: un problema de transporte tiene soluciones factible si y slo si la sumatoria de recursos en lo m orgenes es igual a la sumatoria de demandas en los destinos. 4. Propiedad de soluciones enteras: En los casos en los que tanto los recursos como las demandas toman un valor entero, todas las variables bsicas (asignaciones), de cualquiera de las soluciones bsicas factibles (inclusive la solucin optima), asumen tambin valores enteros. El modelo de transporte busca determinar un plan de transporte de recursos de varias fuentes a varios destinos. Todo modelo de transporte cuenta con la siguiente informacin: Nivel de oferta de cada fuente y la cantidad de demanda de cada destino. El costo de transporte unitario de la mercadera, de cada fuente a cada destino. El objetivo del modelo es determinar la cantidad que se enviar de cada fuente hacia cada destino, tal que minimice los costos totales de transporte. La suposicin bsica del
Pgina | 6
18/02/2011
modelo es que el costo de la distribucin de unidades desde el origen i al destino j es directamente proporcional al nmero de unidades distribuidas. Para arribar a la solucin de un problema de transporte debe cumplirse la condicin necesaria y suficiente de que estos estn balanceados, es decir que la oferta total sea igual a la demanda total. Cuando un problema de transporte no est balanceado, se aade una fuente o un destino artificial para de esta manera balancearlo. Para una mejor comprensin de lo expuesto hasta este momento, se analiza el siguiente caso: Ejercicio1) La empresa petrolera REPSOL YPF debe abastecer de nafta a 4 estaciones expendedoras de Santiago del Estero: PETRONOR, SERVI SUR, WELLCOM y PETROBAND que las identificamos como: A, B, C y D; en las cantidades de 50.000 litros, 40.000 litros, 60.000 litros y 40.000 litros respectivamente. La empresa petrolera dispone de recursos en 3 destileras distintas que las identificamos como: 1, 2 y 3 en las cantidades de 80.000, 100.000 y 50.000 respectivamente. Los costos de transportar 1.000 litros de combustible desde cada origen a cada destino se consignan con la siguiente tabla: PETRONOR (A) 70 50 80 SERVISUR (B) 60 80 50
TABLA 1
DESTILERIA 1 DESTILERIA 2 DESTILERIA 3
WELLCOM (C) 60 60 80
PETROBAN (D) 60 70 60
Se quiere saber cul es el programa ptimo de asignacin de recursos de manera tal que el costo de transportar las cantidades requeridas por los distintos destinos sea mnimo Se entiende que se debe definir la cantidad que hay transportar para que el costo sea mnimo. Se podra plantear el problema con el siguiente modelo matemtico: Min Z = cij xij Con xij , i: 1, , m j: 1, , n cij : Es el costo de transporte de una unidad, desde el origen i hacia el destino j. xij : Es la cantidad asignada o transportada desde el origen i hasta el destino j. Al desarrollar el modelo matemtico propuesto, se vera de esta manera, Min Z = c1A x1A + c1B x1B + c1C x1C + c1D x1D + c2A x2A + c2B x2B + c2C x2C + c2D x2D + c3A x3A + c3B x3B + c3C x3C + c3D x3D
Pgina | 7
18/02/2011
Se debe tener en cuenta las restricciones que se encuentran en el problema: como ser que no se mande o distribuya ms de lo que se pide y que no se enve ms de lo que se tiene. Es decir, tenemos restricciones que imponen los destinos y restricciones que imponen los orgenes. Las restricciones a las que debe ajustarse el modelo son las siguientes: Restricciones que imponen los destinos x1A + x2A + x3A = 50.000 x1B + x2B + x3B = 40.000 x1C + x2C + x3C = 60.000 x1D + x2D + x3D = 40.000 Restricciones que imponen los orgenes x1A + x1B + x1C + x1D 80.000 x2A + x2B + x2C + x2D 100.000 x3A + x3B + x3C + x3D 50.000 Teniendo en cuenta lo desarrollado, la matriz de los coeficientes tecnolgicos ampliada queda como: X1A X1B X1C X1D X2A X2B X2C X2D X3A X3B X3C X3D bj 1 1 1 1 0 0 0 0 0 0 0 0 80 0 0 0 0 1 1 1 1 0 0 0 0 100 0 0 0 0 0 0 0 0 1 1 1 1 50 1 0 0 0 1 0 0 0 1 0 0 0 50 0 1 0 0 0 1 0 0 0 1 0 0 40 0 0 1 0 0 0 1 0 0 0 1 0 60 0 0 0 1 0 0 0 1 0 0 0 1 40
TABLA 2
La estructura especial de la matriz de coeficientes ampliada, es la que distingue a este problema como un problema de transporte. Ya que es prcticamente imposible resolver con otros modelos. Entonces, se presenta un nuevo modelo matemtico para resolver este tipo de problemas. Formulacin del modelo matemtico para un problema de transporte
cij xij
Sujeta a las restricciones: 1)
2) 3)
xij = bj; para toda j : 1, 2, , n xij = ai; para toda i : 1, 2, , m ai = bj

Pgina | 8
18/02/2011
4)
xij 0
Siendo ai: es la cantidad de recursos disponibles de los origenes i.
bj: es la cantidad de requerimientos de los distintos destinos j. cij: es el coeficiente de costo o beneficio de asignar una unidad de recurso del
origen i al destino j.
xij: es la cantidad asignada desde el origen i hasta el destino j. Es una variable de

decisin. Con frecuencia, los valores de ai y bj, se los refiere como requerimientos de contorno. La restriccin 1) establece que las cantidades asignadas, desde un mismo origen, a los distintos destinos deben ser igual a la cantidad de recursos disponibles en dicho origen. La restriccin 2) establece que las cantidades de recursos asignados desde los distintos orgenes a un determinado destino, deben ser igual al requerimiento de ese destino. Como conclusin de las anteriores 1) y 2), surge la restriccin 3) que establece que la suma de las cantidades de recursos disponibles en los distintos orgenes debe ser igual a la suma de los requerimientos de recursos de los distintos destinos. Esta restriccin no impone limitaciones serias al problema -es decir, que no es fuerte- dado que si esta condicin no se verifica, se requiere para satisfacerla, generar un origen ficticio (oferta artificial) o un destino ficticio (demanda artificial), segn sea el caso. Es decir, si se tiene menos de lo que se pide ( ai < bj), entonces se generar un recurso ficticio, y si se tiene ms de lo que se pide ( ai > bj), entonces se generar una demanda artificial. La restriccin 4) implcita, referida a la no negatividad de la variable de decisin, en este caso, los recursos no pueden ser negativos. Para la resolucin de un problema de transporte los datos consignados en el problema se pueden organizar en un tabln o matriz de la siguiente forma: Origen Destinos Disponibilidades 1 2 J N ai 1 x11 c11 x12 c12 x1j c1j x1n c1n a1 2 x21 c21 x22 c22 x2j c2j x2n c2n a2 I xi1 ci1 xi2 ci2 xij cij xin cin ai M xm1 cm1 xm2 cm2 xmj cmj xmn xmn cm1 Requerimientos b1 b2 bj bn ai = bj bj
TABLA 3
Pgina | 9
18/02/2011
Se expuso que: Si ai > bj entonces, se agrega una columna que representa el requerimiento ficticio con un costo de transporte 0 (cero). Si ai < bj entonces, se agrega una fila que representa una disponibilidad ficticia con un costo de transporte 0 (cero). Como se violent con este artilugio o maniobra una restriccin, entonces se puede presentar algn tipo de problema en la resolucin. Dos son los algoritmos ms conocidos para resolver los problemas de transporte: El Mtodo de la Esquina Noroeste y El Mtodo de Aproximacin de Vogel. Cada uno de ellos con sus ventajas y desventajas. Para ambos casos, se requiere que el problema este balanceado, es decir que se cumpla la condicin expresada en la tercera restriccin. De no ser as, se agrega una fila o columna ficticia con la demanda u oferta necesaria a fin de hacer cumplir tal condicin, con coeficientes nulos. Es decir, cuando la capacidad de produccin es mayor a la demanda, entonces se genera un nuevo centro de consumo ficticio. Lo que consuma ese centro no es real, por tanto quedar, en la prctica como capacidad de produccin ociosa. Cuando la capacidad de produccin es menor a la demanda, entonces se genera una nueva fbrica ficticia. Lo que produzca esa fbrica no es real. Por tanto quedar, en la prctica, como demanda insatisfecha.
METODO DE LA ESQUINA NOROESTE
PROBLEMAS DE TRANSPORTE
Utiliza
METODO DE APROXIMACION DE VOGEL

FIGURA 3
Ninguno de los dos mtodos asegura que la solucin que se obtenga en un principio sea la solucin ptima. Por ello se aplica el siguiente algoritmo que permite llegar al clculo final de la Funcin Objetivo. En este algoritmo se ve reflejado el mecanismo de clculo para los problemas de transporte.
Pgina | 10
18/02/2011
MENO
MAV
1 ASIGNACION
Es degenerada? N de asignaciones < m+n-1
Prueba de Optimalidad
Levantar degeneracin. Asignar
Es optima?
Redistribucin Costo Total Trayectoria +-
Fin
Nueva Asignacin
FIGURA 4
A continuacin se presentan los mtodos de resolucin arriba mencionados de los problemas de transporte.
Pgina | 11
18/02/2011
Mtodo de la Esquina Noroeste (MENO)

Es un mtodo sencillo que no tiene en cuenta los coeficientes de costo al momento de realizar las asignaciones de los distintos orgenes a los distintos destinos. En consecuencia, lo hace menos eficiente que el Mtodo de Vogel que si tiene en cuenta los coeficientes de costos. Caso de minimizacin: Paso 1: Establecer el problema y realizar la distribucin inicial con los datos del mismo en una tabla, considerando cumplir con la restriccin que dice que el total de las disponibilidades debe ser igual al total de los requerimientos. Si el suministro es mayor que los requerimientos agrego una columna ficticia a la tabla, caso contrario ser necesaria una fila ficticia. Paso 2: el mtodo requiere comenzar en la esquina noroeste, en la fila 1 columna 1 y hacer una asignacin suficientemente grande para agotar la capacidad del origen de la primera fila o satisfacer los requerimientos del destino de la primera columna, o ambos. Recalcular la disponibilidad remanente y el requerimiento faltante. Se contina en el prximo elemento, segn corresponda hasta alcanzar el elemento xmn de la matriz. Es decir, si el requerimiento del destino 1 se ha satisfecho y quedan recursos disponibles en el origen 1, se desplaza hasta la columna 2 para satisfacer el requerimiento del destino 2. Si la cantidad disponible en el origen 1 no satisface los requerimientos del destino 1 (es decir, que es menor) se desplaza hasta la fila siguiente origen 2, hasta completar el requerimiento del destino 1. Se contina de esta manera hasta alcanzar la esquina opuesta en el tabln de asignacin. Al finalizar se obtiene una asignacin del 100% de los recursos. Teniendo todas las disponibilidades asignadas y las necesidades satisfechas. Si no fuera as, est mal balanceado. Ser esta la primera propuesta de asignacin. Se debe realizar pruebas de optimalidad y degeneracin ante cada asignacin. Caso de maximizacin: Los primeros pasos consisten en ordenar los datos en forma de tabla (incluida la fila o columna ficticia), multiplicar todos los coeficientes de la ganancia por -1, y hacer una asignacin inicial segn el mtodo de la
ALUMNA: LEIVA, VERONICA ELIZABET Pgina | 12
18/02/2011
esquina noroeste. Ya que, minimizar el negativo de una funcin equivale a maximizar la funcin, la modificacin requerida consiste en hacer negativos todos los coeficientes de la ganancia. A partir de este punto el procedimiento es igual al empleado en la minimizacin. Esta modificacin se puede realizar ya que minimizar el negativo de la funcin equivale a maximizar la funcin. Observaciones: El aspecto positivo es que el mtodo es fcil y rpido. Se podra decir que el aspecto negativo es que hay demasiada arbitrariedad en la asignacin, puesto que el elemento ubicado en primer lugar tiene asegurada la asignacin que necesita. El ejercicio 1 es un caso de minimizacin donde se aplicar el mtodo de la esquina noroeste de la siguiente forma: La estacin expendedora PETRONOR requiere 50.000 litros de nafta. La estacin expendedora SERVISUR requiere 40.000 litros de nafta. La estacin expendedora WELLCOM requiere 60.000 litros de nafta. La estacin expendedora PETROBAND requiere 40.000 litros de nafta. La destilera 1 dispone de 80.000 litros de nafta. La destilera 2 dispone de 100.000 litros de nafta. La destilera 3 dispone de 50.000 litros de nafta. Para un mejor manejo de los datos en la tabla, se los divide entre 10.000 (o bien se multiplica entre 10-4) Destileras 1 2 3 Requerimientos bj Estaciones expendedoras Disponibilidades A B C D ai 70 60 60 60 8 50 80 60 70 10 80 50 80 60 5 5 4 6 4 23 19
TABLA 4
El problema consiste en determinar las cantidades de nafta que deben enviarse desde cada localidad hasta cada expendedor, de manera que los requerimientos de los distribuidores sean satisfechos y los costos totales de despacho sean mnimos. El primer paso en la obtencin de una solucin de este problema, es balancear el problema con una columna ficticia y hacer la distribucin inicial. En este planteo, la ecuacin ai = bj no se satisface, por lo que es necesario agregar una columna ficticia. Ya que el suministro es mayor que la demanda 23 > 19. Se crea un
Pgina | 13
18/02/2011
destino ficticio con un requerimiento de 40.000 litros y con coeficientes de costo iguales a o (cero). Destileras A 1 2 3 Requerimientos bj 5 70 50 80 5 Estaciones expendedoras Disponibilidades B C D ai FICTICIA 3 60 60 60 8 0 1 80 6 60 3 70 10 0 50 80 1 60 4 5 0 4 6 4 4 23 23
TABLA 5
La asignacin inicial se efecta por el mtodo de la esquina noroeste. La cantidad asignada a x1A en este problema es 5, ya que esta es la cantidad requerida por el expendedor A. Por lo tanto quedan 3 en la localidad 1. El mtodo requiere que esta ltima cantidad sea asignada a x1B. Puesto que la asignacin de 3 a x1B completa la cantidad disponible en la localidad 1. El siguiente paso es considerar la fila 2. El expendedor B requiere 4 en total; como ya se han asignado 3, se asigna al expendedor B, 1 ms procedente de la localidad 2. Esta asignacin completa los requerimientos del expendedor B. Por consiguiente, se hacen asignaciones a lo largo de la fila 2 hasta agotar la cantidad disponible (suministro) sin hacer una asignacin mayor que la requerida. Continuando en esta forma, se agotan las capacidades de los orgenes y se satisfacen los requerimientos de los destinos. Esto ocasiona un movimiento hacia la esquina sureste. La asignacin mostrada es una solucin inicial. Despachar 50.000 litros desde la destilera 1 al expendedor A. Despachar 30.000 litros desde la destilera 1 al expendedor B. Despachar 10.000 litros desde la localidad 2 al expendedor B. Despachar 60.000 litros desde la localidad 2 al expendedor C. Despachar 30.000 litros desde la localidad 2 al expendedor D. Despachar 10.000 litros desde la localidad 3 al expendedor D. 40.000 litros de la localidad 3 no se despachan. El costo total (CT) de esta asignacin es:
CT = 50(70) + 30(60) + 10(80) + 60(60) + 30(70) + 10(60) + 40(0) = $12.400
Dado que la solucin es arbitraria y no toma en cuenta los coeficientes de costo, no se puede pretender la solucin ptima en esta primera asignacin. Por lo que, en este punto se requiere hacer una Prueba de Optimalidad, siempre y cuando no sea degenerada.
Pgina | 14
18/02/2011
Prueba de Optimalidad y Degeneracin Despus de cada asignacin, no existe certeza de que tal forma de distribucin de recursos sea la ptima, por lo que debe realizarse una prueba de optimalidad. Pero esta prueba requiere de ciertas condiciones para ser realizada, y es que la asignacin propuesta, no debe ser degenerada. Se dice que la asignacin es degenerada, cuando el nmero de casillas que tienen asignaciones es menor que m+n-1, donde m es el nmero de filas y n el numero de columnas. Por lo que la condicin de Degeneracin se escribe: N de Asignaciones < m +n - 1 En caso de que se cumpla esta condicin, la prueba de optimalidad no puede ser aplicada directamente, por lo que se debe levantar la degeneracin asignando valores infinitsimos de recursos en casilleros convenientes.
Tratamiento de la degeneracin La razn de que se presente una solucin degenerada cuando hay menos de m + n 1 casillas con asignaciones se basa en la prueba de optimalidad. En esta prueba se establece un conjunto nico de valores de ui y vj al seleccionar el valor inicial de uno de los valores ui o vj. Cuando el nmero de casillas ocupadas es menor que m + n - 1, no puede determinarse un conjunto nico, y la prueba de optimalidad no puede ser completada. Con el objeto de levantar la degeneracin para poder verificarlo, debe agregarse un . Cuando se requiere ms de una , debe seleccionarse arbitrariamente una de las como la mayor. Como se seal, la degeneracin se presenta cuando el nmero de casillas que tienen asignaciones es menor que la cantidad m + n - 1. La degeneracin puede resolverse en cualquier etapa de la solucin situando una asignacin de recursos
infinitesimalmente
pequea en una casilla apropiada. La asignacin de se hace mediante inspeccin y no afecta los totales de la fila o columna ya que esta es una cantidad muy pequea. El tratamiento de la asignacin de
a una casilla es el mismo que para cualquier otra
asignacin. Cuando se obtiene la solucin optimal, se hace igual a cero. Los detalles reales del tratamiento de un problema de degeneracin pueden ilustrarse mejor mediante un ejemplo numrico mas adelante. Prueba de Optimalidad En caso de que el esquema de asignacin de recursos propuesta sea NO degenerada, para determinar si una solucin es ptima, se aplica la Prueba de Optimalidad, que consiste en los siguientes pasos:
Pgina | 15
18/02/2011
1. Formular una matriz que contenga los costos asociados de las casillas en las cuales se han realizado asignaciones (cij ). 2. Utilizando esta matriz, generar un conjunto de nmeros ui, y otro conjunto de nmeros vj, tales que su suma iguale los costos obtenidos en el paso 1. Matemticamente, esto se expresa por: cij = ui + vj 3. Colocar los correspondientes valores de cij* en las casillas que no tiene asignaciones. 4. Para los casilleros que no tienen asignacin, calcular un numero N, tal que: N = cij* - (ui + vj ) , siendo cij* los coeficientes de los casilleros sin asignaciones. Si cualesquiera de estos valores N son negativos, indica que la solucin no es ptima. Mtodo de la trayectoria mas menos : hacia una solucin optima Si en la prueba de optimalidad existe al menos un nmero N negativo, indica que la asignacin que se dispone no es ptima. Es necesario realizar una aproximacin sistemtica por sucesivas asignaciones, hasta hallar una solucin ptima. Para este caso, se aplica la denominada trayectoria ms-menos, los pasos son: 1. Identificar en la matriz de la prueba de optimalidad el posicionamiento del nmero N que tenga el menor valor. En el caso de encontrar dos valores iguales, debe hacerse una seleccin arbitraria. 2. Identificar en la matriz de transporte el posicionamiento correspondiente al nmero N, encontrado en el paso anterior. En este casillero se inicia con + la trayectoria mas-menos alternativamente, y trazando verticales y horizontales nicamente. Esta trayectoria debe comenzar y terminar en la casilla identificada en el paso 1. Las dems esquinas de la trayectoria (donde la trayectoria cambia de direccin) deben contener asignaciones. 3. De las esquinas con signo menos (-), seleccionar el menor valor de asignacin. Con este valor, determinar una nueva asignacin sumando o restando (segn lo indique el signo), esta cantidad de las esquinas de la trayectoria. 4. Las casillas que no hayan sido vrtice de la trayectoria + - conservan su asignacin anterior. 5. Como verificacin, debe tenerse la seguridad de no violar los requerimientos de contorno. Realizado, se cuenta con una nueva asignacin. 6. Previa verificacin de la degeneracin, se aplica nuevamente la prueba de optimalidad descripta ms arriba. Si la solucin es ptima, finaliza la iteracin, y se calcula el costo total. Si no es ptima, se itera una vez ms, trazando una nueva trayectoria ms-menos, repitiendo los pasos descriptos con anterioridad.
Pgina | 16
18/02/2011
Se procede a realizar la prueba de optimalidad de la asignacin inicial a la que se lleg del ejercicio 1. De acuerdo con lo que indica el algoritmo de resolucin (figura 4) Es degenerada? Cumple: N de Asignaciones < m +n 1? 7 < 3+51? No cumple con la condicin, es NO degenerada. Entonces, se realiza la prueba de optimalidad. Prueba de optimalidad para el ejercicio 1 con respecto a la primera asignacin. Se realiza una matriz del mismo orden colocando los coeficientes de costo en las celdas con asignaciones. Paso 1) Se provee de un valor a u1 o a v1 (se estila darle a u1 el valor 0). Al hacer cumplir la condicin cij = ui + vj los valores de ui y de vj deben ser nicos. Paso 2) Se colocan los coeficientes de costo de aquellas celdas que no tuvieron asignaciones (cij*). Se calcula el numero N para las celdas sin asignaciones, siendo N = cij* - (ui + vj ) ui 70 90 80 vj -40 0 0 70 50 80 -10 60 80 50
TABLA 6
-30 20 30
-20
60 60 80
-20 10
60 70 60
-80 10 0 -10 0 0
El indicador de que la asignacin es ptima o no es el nmero N. Como se observa en la tabla de optimalidad existen valores negativos de N que indican que la asignacin inicial propuesta por el MENO, no es ptima. Si los valores encontrados de N son negativos, no es una asignacin ptima. Entonces, siguiendo el algoritmo (figura 2) se debe realizar una Redistribucin de Recursos mediante la Trayectoria +-. Trayectoria + - para el ejercicio 1. Se toma el menor valor (-40) de la tabla de optimalidad. Se crea una trayectoria cerrada. La trayectoria siempre comienza con signo ms. En la tabla de transporte se fija esta trayectoria y se elige el menor valor numrico de las celdas con signo negativo. Ser este el que se sume o reste en las dems celdas de la trayectoria.
Pgina | 17
18/02/2011
Destileras A 1 2 3 Requerimientos bj 5 70 50 80 5
Estaciones expendedoras Disponibilidades B C D ai FICTICIA 3 60 60 60 8 0 1 80 6 60 3 70 10 0 50 80 1 60 4 5 0 4 6 4 4 23 23

TABLA 7
3 + 1 = 4; 5 1 = 4; _ + 1 = 1; 1 - _ = 0; Verificamos que cumpla con las condiciones de contorno. Luego, se re-escribe la reasignacin teniendo en cuenta las modificaciones. Destileras A 1 2 3 Requerimientos bj 4 1 5 70 50 80 Estaciones expendedoras Disponibilidades B C D ai FICTICIA 4 60 60 60 8 0 80 6 60 3 70 10 0 50 80 1 60 4 5 0 4 6 4 4 23 23
TABLA 8
Esta vez, se lleg a una aproximacin optima? No se sabe hasta que se haga nuevamente la prueba de optimalidad. Prueba de optimalidad para el ejercicio 1 con respecto a la segunda asignacin, se sigue el procedimiento segn el algoritmo visto (figura 4). Es degenerada? Cumple: N de Asignaciones < m +n 1? 7 < 3+51? No cumple con la condicin, es NO degenerada. Entonces, se realiza la prueba de optimalidad. Paso 1) cij = ui + vj los valores de ui y de vj deben ser nicos. Paso 2) N = cij* - (ui + vj ) ui 70 50 40 vj 0 70 50 80 -10 40 20 60 80 50
TABLA 9
10 -20 30
40
60 60 80
20 -30
60 70 60
-40 0 -30 -10 0 0
Como se observa en la tabla de optimalidad existen valores negativos de N que indican que esta asignacin no es ptima.
18/02/2011
Entonces, siguiendo el algoritmo (figura 4) se debe realizar una Redistribucin de Recursos mediante la Trayectoria +-. Trayectoria + - para el ejercicio 1. Se toma el menor valor (-30) de la tabla de optimalidad. Se crea una trayectoria cerrada. Destileras A 1 2 3 Requerimientos bj 4 1 5 70 50 80 Estaciones expendedoras Disponibilidades B C D ai FICTICIA 4 60 60 60 8 0 80 6 60 3 70 10 0 50 80 1 60 4 5 0 4 6 4 4 23 23
TABLA 10
_ + 3 = 3; 4 3 = 1; 1 + 3 = 4; 3 -3 = 0; 1 + 3 = 4; 4 3 = 1. Verificamos que cumpla con las condiciones de contorno. Luego, se re-escribe la reasignacin teniendo en cuenta las modificaciones. Se evala si esta asignacin es ptima y si no lo es se sigue el algoritmo (figura 4). Se contina de esta forma hasta llegar a una solucin ptima, donde ninguno de los N encontrados sean negativos. La tabla de asignaciones y la de optimalidad resultante (en la quinta asignacin) de la resolucin del ejercicio 1 son las siguientes:
Destileras A 1 2 3 Requerimientos bj ui 60 60 60 vj 5 5 70 50 80
Estaciones expendedoras Disponibilidades B C D ai FICTICIA 60 1 60 3 60 4 8 0 80 5 60 70 10 0 4 50 80 1 60 5 0 4 6 4 4 23 23

Tabla 11
-10 20 70 50 30 80
-10 10 30
0 60 80 50 60 60 80 10
0 60 70 60 0 0
-60 0 0 0
20
Tabla 12
Pgina | 19
18/02/2011
Puesto que todos los valores de la tabla 12 son no-negativos, las asignaciones de la tabla 11 son ptimas. Por consiguiente, la solucin al problema de transporte es la siguiente: Desde la destilera 1 enviar 10.000 litros al expendedor C. Desde la destilera 1 enviar 30.000 litros al expendedor D. En la destilera 1 quedan 40.000 litros. Desde la destilera 2 enviar 50.000 litros al expendedor A. Desde la destilera 2 enviar 50.000 litros al expendedor C. Desde la destilera 3 enviar 40.000 litros al expendedor B. Desde la destilera 3 enviar 10.000 litros al expendedor D. El costo total de esta solucin es: CT = 10(60) + 30(60) + 40(0) + 50(50) + 50(60) + 40(50) + 10(60) = $10.500 En la tabla final, entre los valores de cij* - (ui + vj ), se presenta un cero(tabla 12), esto indica que hay otra alternativa de asignacin que da el mismo costo total optimal. Por ejemplo, si se hacen las asignaciones: Desde la destilera 1 enviar 40.000 litros al expendedor C. Desde la destilera 1 enviar 30.000 litros al expendedor D. En la destilera 1 hay 10.000 litros que no se despachan. Desde la destilera 2 enviar 50.000 litros al expendedor A. Desde la destilera 2 enviar 20.000 litros al expendedor C. 30.000 litros de la localidad 2 no se despachan. Desde la destilera 3 enviar 40.000 litros al expendedor B. Desde la destilera 3 enviar 10.000 litros al expendedor D. Por tanto el costo total es: CT = 40(60) + 30(60) + 10(0) + 50(50) + 20(60) + 30(0) + 40(50) + 10(60) = $10.500 Este es el mismo costo total obtenido con la asignacin anterior.
Ejercicio 2: Caso de maximizacin para resolver mediante el Mtodo de la Esquina Noroeste. La empresa JUGOS MES S.A. desea maximizar sus ganancias obtenidas por el transporte de sus productos a los supermercados SUPER TINY, SUPER ELEFANTE y SUPER BANGUI desde dos almacenes uno ubicado en La Banda y otro en la Capital de Santiago del Estero. Las ganancias por envo se ven reflejadas en la siguiente tabla. SUPER TINY (A) La Banda Capital $5 $6 SUPER ELEFANTE (B) $7 $3 SUPER BANGUI (C) $4 $5
TABLA 13
Pgina | 20
18/02/2011
El almacn de La Banda tiene mensualmente una disponibilidad de 150 unidades y el de la Capital una de 300 unidades. Los supermercados A,B y C demandan mensualmente las cantidades de 100, 250 y 100 unidades. La tabla de transporte esta balanceada ya que cumple la restriccin 3) En nuestro problema: ai = 450 y bj = 450; i=1, 2,,m ; j= 1, 2, ,n. Como ai = bj, no es necesario agregar un origen o destino ficticio. Almacenes La Banda Capital Requerimientos bj Supermercados A B C -7 -4 100 -5 50 -6 200 -3 100 -5 100 250 100
TABLA 14
Disponibilidades ai 150 300 450
Se explica a continuacin como se procedi: Se multiplica todos los coeficientes de ganancia por -1. Se inicia los envos desde la esquina noroeste. Desde el almacn de La Banda se enva 100 unidades al destino A, como an queda capacidad de 150-100=50; entonces el almacn de La Banda enviar 50 unidades al destino B, en ese momento, el almacn de La Banda agota su capacidad, cuando esto ocurre se mueve hacia abajo, al siguiente rengln, es decir, al almacn de la Capital, para satisfacer las demandas restantes. Desde el almacn de la Capital se enva, 200 unidades al destino B, para satisfacer la demanda, quedando capacidad de 300-200=100; entonces el almacn de la Capital, enva las 100 unidades al destino C, satisfaciendo totalmente la demanda, en ese momento el almacn de la Capital, agota su capacidad. Se observa que cada requerimiento o demanda fue satisfecho de izquierda a derecha, uno a uno. Ahora, se debe controlar si es degenerada o no, esta primera asignacin. Es degenerada? Cumple: N de Asignaciones < m +n 1? 4 < 2+31? No cumple con la condicin, es NO degenerada. Entonces, se realiza la prueba de optimalidad. ui 5 9 vj 3 0 -5 -6
TABLA 15
-12 -7 -3 1
-14 -4 -5
Puesto que todos los valores de la tabla 15 son no-negativos, las asignaciones de la tabla 14 son ptimas. Ahora, se debe calcular el valor de Z, empleando la ecuacin:
Pgina | 21
18/02/2011
Donde; Z es la ganancia ZMAX = $5 * 100 + $7 * 50 +$ 3 * 200 +$5* 100 = $1.950 Por lo tanto, la solucin al problema de transporte es la siguiente: Para que la ganancia sea mxima en un total de $1950, se debe enviar: 100 unidades desde La Banda al SUPER TINY, 100 x $5 = $500; 50 unidades desde La Banda al SUPER ELEFANTE, 50 x $7 = $350; 200 unidades desde Capital al SUPER ELEFANTE, 200 x $3 = $600; 100 unidades desde Capital al SUPER BANGUI. 100 x $5 = $500.
Se contina con el desarrollo de esta temtica exponiendo el segundo mtodo de resolucin de un problema de transporte.
Mtodo de aproximacin de Vogel (MAV).

Al hacer las asignaciones iniciales por el mtodo de la esquina noroeste no se consideraron las magnitudes de los coeficientes cij de costo (o ganancia). Si se consideran las magnitudes de los coeficientes del costo puede haber menos iteraciones. El mtodo de aproximacin de Vogel basa su asignacin inicial en la comparacin de los coeficientes del costo. Es un mtodo heurstico, tambin llamado Mtodo de Sancin o Penalizacin. Proporciona una solucin bsica factible inicial mejor que el mtodo anterior. En muchos casos proporciona la solucin optima o una muy cercana a esta. Por cada rengln y columna de la tabla de transporte hay una sancin conceptual, en trminos de costo, debida al hecho de no elegir la celda ms baja disponible durante el proceso de asignacin Un mtodo que por lo general supera a los dems cuando se trata de encontrar una solucin ptima. Las sanciones calculadas son las diferencias, en relacin con cada rengln y columna, entre las rutas de transporte de costo ms bajo y de costo ms bajo siguiente. Por lo tanto, las asignaciones se hacen a aquellas casillas o celdas donde las sanciones son mayores, porque esto evita los incrementos ms grandes del costo asociados por las diferentes asignaciones.
18/02/2011
Caso de minimizacin. (MAV)

Este mtodo tiene en cuenta los costos al hacer las asignaciones. De los mtodos existentes para la obtencin de una solucin bsica realizable es el ms efectivo, tanto que nos acerca a la solucin ptima y en muchos casos la proporciona directamente. Para aplicar el Mtodo de Aproximacin de Vogel se requieren cinco pasos:
Paso 1) Formar la matriz inicial. Es decir, construir una tabla de disponibilidades (ofertas), requerimientos (demanda) y costos. Verificar si no hay que agregar fila o columna ficticia. Paso 2) Determinar la diferencia entre los dos coeficientes de costo ms pequeos para cada fila y para cada columna. Es decir, calcular para toda fila y para toda columna la diferencia (en valor absoluto) entre las dos casillas de menor costo. Se define como Penalizacin. Paso 3) Hallar la mayor diferencia o penalizacin e identificar la fila o columna a la que pertenece. En caso de empate se hace una seleccin arbitraria. Luego, se sita en la celda de menor coste el mayor nmero posible de unidades, disminuyendo las demandas y ofertas en la cantidad situada en esta celda. Paso 4) Asignar cero a las casillas restantes de la fila (o columna) donde la demanda o el suministro se haya agotado. Este paso elimina una fila o columna (dependiendo del requerimiento de contorno satisfecho) para todos los otros pasos posteriores. Paso 5) Realizar una nueva diferencia de coeficientes con los casilleros habilitados. Nuevamente elegir el valor de diferencia mayor y continuar con igual metodologa hasta asignar la totalidad de los recursos. Cuando slo queda una casilla en una fila o columna, se asigna a esa casilla una cantidad que no viole los requerimientos de contorno. Verificar la optimalidad de la solucin empleando la prueba correspondiente.
Caso de Maximizacin. El mtodo MAV, puede usarse en problemas de maximizacin, haciendo una ligera modificacin. La modificacin requerida consiste en multiplicar todos los valores de coeficiente de costo (cij) por 1, empleando el concepto de que minimizar la opuesta de una funcin equivalente a maximizar la funcin original.
Pgina | 23
18/02/2011
Para una mayor comprensin del mtodo de aproximacin de Vogel se presentaran dos problemas de transporte (uno de minimizacin y otro de maximizacin) para su resolucin por este mtodo. Ejercicio 3) caso de minimizacin para la resolucin mediante el Mtodo de Aproximacin de Vogel. La compaa ARCOR tiene cuatro enlatadoras A, B, C y D que abastecen a cuatro almacenes y la gerencia quiere determinar la programacin de envo de costo mnimo para su produccin mensual de latas de tomate. La demanda de los cuatro almacenes es de 10, 12, 15 y 9; y la produccin de las enlatadoras A, B, C y D es de 15, 6, 14 y 11 respectivamente. Los costos de envo por caja de latas de tomate se muestran en la Tabla 16. Almacen 1 $25 $55 $40 $60 Almacen 2 $35 $30 $50 $40
TABLA 16
Enlatadora A Enlatadora B Enlatadora C Enlatadora D
Alamcen 3 $36 $45 $26 $66
Alamcen 4 $60 $38 $65 $27
Paso 1) Se construye la tabla de disponibilidades. En este caso no hay que agregar fila o columna ficticia. Est balanceada. Enlatadoras 1 A B C D Demanda 25 55 40 60 10 Almacenes 2 3 35 30 50 40 12 15
TABLA 17
Produccin 4 36 45 26 66 9 60 38 65 27 15 6 14 11 46
De acuerdo con el modelo presentado anteriormente, en este problema se trata de seleccionar valores de estas 16 variables de decisin (las xij) para: Minimizar Z = 25 * x11 + 35 * x12 + 36 * x13 + 60 * x14 + 55 * x21 + 30 * x22 + 45 * x23 + 38 * x24 + 40 * x31 + 50 * x32 + 26 * x33 + 65 * x34 + 60 * x41 + 40 * x42 + 66 * x43 + 27 * x44. Sujeta a las restricciones de enlatadoras: x11 + x12 + x13 + x14 = 15 x21 + x22 + x23 + x24 = 6 x31 + x32 + x33 + x34 = 14 x41 + x42 + x43 + x44 = 11
Pgina | 24
18/02/2011
y a las siguientes restricciones de almacenes: x11 + x21 + x31+ x41 = 10 x12 + x22+ x32 + x42 = 12 x13 + x23 + x33 + x43 = 15 x14 + x24 + x34 + x44 = 9 y xij 0 (i = 1,2,3,4; j = 1,2,3,4) Se recuerda que las variables xij representan las cantidades de productos enviadas de cada centro de suministro a cada centro de demanda a costo mnimo. Paso 2) se calcula para toda fila y para toda columna la diferencia (en valor absoluto) entre las dos casillas de menor costo. Se define como Penalizacin. Diferencia de la fila 1: |25-35|=10 Diferencia de la fila 2: |30-38|=8 Diferencia de la fila 3: |40-26|=14 Diferencia de la fila 4: |40-27|=13 Diferencia de la columna 1: |25-40|=15 Diferencia de la columna 2: |35-30|=5 Diferencia de la columna 3: |26-36|=10 Diferencia de la columna 4: |38-27|=11 Paso 3) En nuestro problema el 15 es la mayor diferencia o penalizacin. Dentro de esta columna se elige la celda de menor costo, la enlatadora A con el almacn 1. Se asigna a esta celda lo ms posible, el almacn 1 requiere 10 unidades. El centro productor puede abastecerlo en esa cantidad, de esa manera queda satisfecho el almacn 1. Paso 4) Se elimina para clculos sucesivos la columna 1 cuya capacidad ha quedado satisfecha, ya que este almacn ha recibido todo lo demandado. Habr casos en los que podr eliminarse fila y columna, ser cuando coincidan oferta y demanda). Asignar cero a las casillas restantes de la fila (o columna) donde la demanda o el suministro se haya agotado. Enlatadoras A B C D Demanda 1 10
--
2 25 55 40 60 0
---
Almacenes 3 35 30 50 40 12 15
TABLA 18
Produccin 4 36 45 26 66 9 60 38 65 27 5 6 14 11
Pgina | 25
18/02/2011
Paso 5) Volver a calcular para toda fila y para toda columna, las diferencias entre las dos casillas de menor costo. Cualquier fila y columna con cero oferta o demanda no se debe utilizar para calcular otras diferencias. Continuar con igual metodologa hasta asignar la totalidad de los recursos. Enlatadoras A B C D Demanda 1 10
--
2 25 55 40 60 0
---
Almacenes 3 35 30 -- 50 14 40 12 1
TABLA 19
Produccin 4 36 45 26 66 60 38 65 27 9 5 6 0 11
--
Ntese que la oferta del centro A, ahora es 5, ya que abasteci con 10 unidades al almacn 1. Se selecciona la fila C, por tener mayor diferencia (24). Se elige la celda de la enlatadora C y el almacen 3 por ser la de menor costo dentro de la fila C. Se asigna a esta celda 14 unidades del centro productor C. Se elimina la fila C porque la oferta de este centro productor est satisfecha. Se calculan las diferencias nuevamente y se repite el ciclo. Enlatadoras A B C D Demanda 1 10
--
---
25 55 40 60 0
Almacenes 2 3 35 30 -- 50 14 40 12 1
TABLA 20
Produccin 36 45 26 66 4 ---
-9 0
60 38 65 27
5 6 0 2
Se selecciona la columna 4, por tener mayor diferencia (13). Se elige la celda D-4 para asignar las 9 unidades que demanda. Se elimina la columna 4. Se calculan las diferencias nuevamente y se repite el ciclo. Enlatadoras Almacenes Produccin 1 2 3 4 A 35 36 -- 60 5 10 25 B 55 30 45 38 6 --C -- 40 -- 50 14 26 -- 65 0 D 60 40 -66 27 0 2 9 -Demanda 0 10 1 0
TABLA 21
Se selecciona la fila D, por tener mayor diferencia (26). Se elige la celda D-2, que es la que tiene el menor costo, para asignar solo las 2
Pgina | 26
18/02/2011
unidades que tiene la enlatadora D. Se elimina la fila D. Se calculan las diferencias nuevamente y se repite el ciclo. Enlatadoras A B C D Demanda 1 10
--
2 25 55 40 60 0
---
Almacenes 3 35 6 30 --- 50 14 2 40 -4 1
TABLA 22
Produccin 4 36 -45 -26 -66 9 0 60 38 65 27 5 0 0 0
Se selecciona la columna 2, por tener mayor diferencia (15). Se elige la celda B-2, que es la que tiene el menor costo, para asignar solo las 6 unidades que tiene la enlatadora B. Se elimina la columna B. Y se realiza la asignacin final, una asignacin directa. Luego, la tabla de asignaciones resultante es la siguiente: Enlatadoras A B C D Demanda 1 10
--
---
25 55 40 60 10
Almacenes 2 3 4 35 1 6 30 --- 50 14 2 40 -12 15

TABLA 23
Produccin 4 36 -45 -26 -66 9 9 60 38 65 27 15 6 14 11 46
Costo Total = 10 *($25) + 14* ($26) + 9 *($27) + 2*($40) + 6*($30) + 4*($35) + $36 = $1293 Si seguimos el procedimiento del algoritmo (figura 4): Es degenerada? Cumple: N de Asignaciones < m +n 1? 7 < 4+41? No cumple con la condicin, es NO degenerada. Entonces, se realiza la prueba de optimalidad. 0 25 20 15 30 35 25 30 25 55 40 60 10 35 30 50 40 11 14 25 36 45 26 66 38 21 23 -3 60 38 65 27
25
TABLA 24
Pgina | 27
18/02/2011
Al no encontrarse N negativos, se concluye que la solucin es ptima (Tabla 24). Ejercicio 4) caso de maximizacin mediante el mtodo de Vogel. Como ejemplo, se utilizan datos del ejercicio 3 excepto que los coeficientes de costo presentados en la tabla 16 se consideran ahora como coeficientes de ganancia. Mtodo MAV caso de maximizacin: minimizacin del opuesto. Enlatadoras 1 A B C D Demanda
-25 -55 -40 -60
Almacenes 2 3
-35 -30 -50 -40 -36 -45 -26 -66
Produccin 4
-60 -38 -65 -27
10
12
TABLA 25
15
15 6 14 11 46
Se multiplican todos los coeficientes de costo cij por -1. Se siguen los pasos del mtodo de Vogel. De esta manera se obtienen las siguientes tablas que muestran el desarrollo del mtodo. Enlatadoras 1 A B C D Demanda 1
-25 -55 -40 -60
Almacenes 3
-35 -30 -50 -40 -36 -45 -26 -66
Produccin 4
-60 -38 --- -65 -27 -9
1 24 10 15 6
15 6 6 14 11
10 5
12 10
TABLA 26
15 21
90 5
Se satisface la demanda de la columna 4, entonces queda eliminado para el prximo ciclo. Enlatadoras Almacenes Produccin 2 1 2 3 4 -25 -35 -36 9 -60 A 6 1 -55 -30 -45 -38 B 6 10 --40 -50 -26 -- -65 C 14 10 -60 --40 11 -66 -27 D 11 0 6 --Demanda 10 12 15 4 2 5 10 21
TABLA 27
Pgina | 28
18/02/2011
Se provee toda la produccin de la fila D, entonces queda eliminada para el prximo ciclo. Enlatadoras 1 A B C D Demanda 3 6
--
2
-25 -55 -40 -60
Almacenes 3
-35 -30 -50 -40 -36 -45 -26 11 -66
Produccin 4
-60 -38 --- -65 -27 -9
3 1 10 10
--
6 60 14 0
10 4 15
12 15
TABLA 28
4 9
Se encuentran dos valores de sancin iguales, se elige de forma arbitraria la columna. Pero en este caso vemos que en la columna 1 se encuentra el valor mas bajo (55) y se asignar all las 6 unidades que le quedaron. Se elimina la fila B para el prximo ciclo. Enlatadoras Almacenes Produccin 4 1 2 3 4 -25 --35 -36 9 -60 A 6 1 -55 --30 -- -45 -38 B 0 6 --40 12 -50 -26 -- -65 C 14 2 10 -60 --40 11 -66 -27 D 0 --Demanda 4 12 0 4 4 15 15 10
TABLA 29
Se encuentran dos valores de sancin iguales, se elige de forma arbitraria la columna. Pero en este caso vemos que en la columna 2 se encuentra el valor ms bajo (50) y se asignar all las 12 unidades que solicita. Se elimina la columna 2 para el prximo ciclo. Enlatadoras Almacenes Produccin 5 1 2 3 4 -25 --35 -36 9 -60 A 6 1 -55 --30 -- -45 -38 B 0 6 --40 -50 -26 --65 12 -C 20 14 2 -60 -40 -66 -27 11 D 0 ---Demanda 42 0 4 5 15 10
TABLA 30
Se provee toda la produccin de la fila C. Se realiza las ultima asignaciones en forma directa.
Pgina | 29
18/02/2011
Enlatadoras A B C D Demanda 1 2 6 2
--
2
-25 -55 -40 -60 ---
Almacenes 3
-35 -30 -50 -40 4 --11 -36 -45 -26 -66
Produccin 4
-60 -38 --- -65 -27 -9
12
--
6 4 0 0 0
20
0
TABLA 31
Luego, la tabla de asignaciones resultante es la siguiente:
Enlatadoras A B C D Demanda 1 2 6 2
--
2
-25 -55 -40 -60 ---
Almacenes 3
-35 -30 -50 -40 4 --11 -36 -45 -26 -66
Produccin 4
-60 -38 --- -65 -27 -9
12
--
15 6 14 11
10
12
TABLA 32
15
Si seguimos el procedimiento del algoritmo (figura 4):
Es degenerada? Cumple: N de Asignaciones < m +n 1? 7 < 4+41? No cumple con la condicin, es NO degenerada. Entonces, se realiza la prueba de optimalidad. 0 -25 -55 -40 -50 -25 -55 -40 -60 0 35 20
TABLA 33
-10 -35 -30 -50 -40 16 25
-11 -36 -45 -26 -66 52 10 58
-35 -60 -38 -65 -27
-10
Hay un N negativo, entonces se debe hacer una reasignacin mediante la trayectoria +-. Se ubica en la tabla de asignaciones el N negativo y se comienza a trazar la trayectoria.
Pgina | 30
18/02/2011
Enlatadoras A B C D Demanda 1 -6 2 2 10 2
-25 -55 -40 -60 ---
Almacenes 3
-35 -30 -50 -40 6 --9 -36 -45 -26 -66
Produccin 4
-60 -38 --- -65 -27 -9
12
--
15 6 14 11
12
TABLA 34
15
Es degenerada? Cumple: N de Asignaciones < m +n 1? 7 < 4+41? No cumple con la condicin, es NO degenerada. Entonces, se realiza la prueba de optimalidad. 0 -30 -55 -40 -60 5 -25 -55 -40 -60 5 35 30
TABLA 35
-10 -35 -30 -50 -40 16 20
-6 -36 -45 -26 -66 47 5 53
-30 -60 -38 -65 -27
Al no encontrarse N negativos, se concluye que la solucin es ptima (Tabla 24). La solucin al problema de transporte para el caso de maximizacin y resolucin por el mtodo de Aproximacin de Vogel es: Desde la enlatadora A enviar 6 unidades al almacn 3 Desde la enlatadora A enviar 9 unidades al almacn 4 Desde la enlatadora B enviar 6 unidades al almacn 1 Desde la enlatadora C enviar 2 unidades al almacn 1 Desde la enlatadora C enviar 12 unidades al almacn 2 Desde la enlatadora D enviar 2 unidades al almacn 1 Desde la enlatadora D enviar 9 unidades al almacn 3 Ganancia Total = 6 *($36) + 9* ($60) + 6*($55) + 2*($40) + 12*($50) + 2*($60)+9* ($66) = $260 + $540 + $ 330 + $ 80 + $ 600 + $120+ $594 = $2480
Pgina | 31
18/02/2011
Ejercicio 5) Se presenta una tabla resultante de una primera asignacin. El siguiente paso que corresponde, siguiendo el algoritmo de la figura 4, es ver si es degenerada. Destino A 5 Destino B 3 2
TABLA 36
Destino C 4 5 1 7 1 3 1
Destino D 2 7 3
Origen 1 Origen 2 Origen 3
3 1 2
Es degenerada? N de asignaciones < 3 +3 1 5 < 6
es degenerada.
Luego, debo levantar la degeneracin. Esta solucin tiene asignaciones en 5 casillas, mientras que m+ n - 1 es igual a 6. Por consiguiente, esta es una solucin degenerada. En realidad, la solucin mostrada en la tabla 36 indica que es necesario agregar una . En la tabla 37 se muestra la asignacin de . Debe recordarse que las deben situarse en las casillas que permitan una asignacin nica de los valores de ui y vj. Por ejemplo, la asignacin de a la casilla 1A, o la casilla 1C no habra permitido un conjunto nico de valores de ui y vj despus de la seleccin inicial de un valor de ui o vj. Destino A 5 Destino B 3 2 Destino C 4 5 1 7 1 3 1 Destino D 2 7 3
3 1 2
TABLA 37
Elegimos entre las posiciones posibles la (3,B), que es una de las ms baratas, y le daremos el valor , y hallamos los costos reducidos. ui 3 4 0 vj -3 2 0 3 1 2
TABLA 38
1 4 5 1 2 2
-1 1 3 1 -4 0
3 2 7 3
En la tabla 38 se presenta la prueba de optimalidad de la solucin dada en la tabla 37. Es optima la asignacin? Como se observa en la tabla 38, existen valores de N negativos que indican que la asigancion inicial no es optima. Se hace entonces un desplazamiento hacia una solucion optimal. Ya que la asignacin no es optima, es necesario hacer otra asignacin. Se lo hr mediante la trayectoria +-.
Pgina | 32
18/02/2011
El costo reducido ms positivo es la posicin (1,D), es el menor valor de los N. La solucin a la que corresponde el valor ms pequeo entre las celdas marcadas con el signo menos es 3, en la posicin (1,B). La nueva solucin est en la siguiente tabla. Destino A 5 Destino B 3 1 2 2 3+
TABLA 39
Destino C 4 5 1 7 1 3 1 -2 4 5 1 3 2 1 3 1
Origen 1 Origen 2 Origen 3 ui 0 5 1 vj
Destino D 3 3 2 0 2 7 3
2 7 3
3 -7 -2 3 1 2 4
TABLA 40
Es optima la asignacin? Como se observa en la tabla 40, existen valores de N negativos que indican que la asignacin inicial no es ptima. El mayor valor del coste reducido es 7, que est en la posicin (2,1). En el ciclo marcado los valores sealados con signo menos son (5,2,3) de los cuales el menor costo es 2 por lo que la posicin (2,2) vale 0, quedando la nueva tabla: Destino A 3 2 Destino B 3 1 2 0 5+
TABLA 41
Destino C 4 5 1 7 1 3 1
Destino D 5 1
2 7 3
Luego se verifica si es optima y si no lo es, se continua aplicando la trayectoria +-, hasta llegar a una solucion optima. La tabla final resultante es: Destino A Origen 1 Origen 2 Origen 3 5 3 1 2 Destino B 4 5 1 Destino C 2 4 1 Destino D 6
5
TABLA 42
1 3 1
2 7 3
Obtenida tras poner en 0 el valor de .
Pgina | 33
18/02/2011
P Pr ro ob blle em ma as sd de eA As siig gn na ac cii n n

Otra clase de modelo de distribucin es el modelo de asignacin. Especficamente, ste modelo est relacionado con la asignacin de un determinado nmero de orgenes al mismo nmero de destinos (es decir, una matriz de asignacin cuadrada, m = n) con el objeto de optimizar alguna funcin de efectividad (ordinariamente el valor de la ganancia). Los problemas de asignacin son casos degenerados de los problemas de transporte. Aqu la degeneracin se presenta en cada una de las etapas de solucin. Aunque se pueden resolver por los mismos mtodos, el grado de degeneracin de este tipo de problemas y lo complicado que resulta su resolucin por esos mtodos, ha obligado a desarrollar un mtodo especfico para resolverlos. El problema de asignacin es un tipo especial de problema de programacin lineal en el que los asignados son recursos destinados a la realizacin de tareas. Por ejemplo, los asignados pueden ser empleados a quienes se tiene que dar trabajo. La asignacin de personas a trabajos es una aplicacin comn del problema de asignacin. Sin embargo, los asignados no tienen que ser personas. Tambin, pueden ser maquinas, vehculos, plantas a los que se asignan tareas. Para que un problema se ajuste a la definicin de problema de transporte se deben cumplir las siguientes suposiciones: 1) El nmero de asignados es igual al nmero de tareas (se denota por n). 2) Cada asignado se asigna a una tarea. 3) Cada tarea debe realizarla exactamente un asignado. 4) Existe un costo cij asociado con el asignado i ( i = 1,2...,n) que realiza la tarea j (j = 1,2...n). 5) El objetivo es determinar cmo deben hacerse las n asignaciones para minimizar los costos totales. Cualquier problema que satisface estas suposiciones puede resolverse en forma extremadamente eficiente mediante los algoritmos diseados especialmente para los problemas de asignacin. Matemticamente, el modelo de asignacin se define como la, optimizacin (maximizacin o minimizacin) de la funcin:
cij xij
donde cij son los coeficientes de costo (ganancia),
Sujeto a las restricciones:
xij = 1,0 ; j=1, 2, 3, ,n [hasta una asignacin en una columna] xij = 1,0 ; i=1, 2, 3, ,n [hasta una asignacin en una fila]
xij = 1 o 0 para todas las xij
Pgina | 34
18/02/2011
El trmino cij es un coeficiente de costo o beneficio de asignar el origen i al destino j. El valor binario de xij , significa que el origen i puede o no, ser asignado al destino j. Observe que la estructura es similar al modelo de transporte. De hecho, el problema de asignacin es solo un caso especial de los problemas de transporte, en donde los orgenes son ahora los asignados, y los destinos son las asignaciones o tareas y donde: Numero de orgenes (m) = nmero de destinos (n). Cada recurso ai = 1 Cada demanda bj = 1. Resumiendo, las soluciones de este problema slo pueden tomar los valores 0 1. Un 1 en la celda (i, j) significa que al individuo i se asigna la tarea j. Aunque el problema puede resolverse por el algoritmo de transporte, se suele presentar un alto grado de degeneracin. Para el problema de asignacin es ms eficiente usar el mtodo Hngaro, que exponemos a continuacin.
METODO HUNGARO
El mtodo Hngaro, propuesto por Kuhn en 1954, es ms eficiente que otros algoritmos. Este mtodo, que no aparece en forma explcita hasta principios de los aos setenta, se basa en el hecho de que la asignacin optima no queda afectada si se suma o resta una misma constante a una fila o columna de la matriz de asignacin. El objetivo es entonces obtener el mayor nmero de ceros en la matriz de costo convenientemente transformada de forma que sea posible encontrar m ceros que correspondan a una solucin factible. Supuesto entonces que todos los cij son no negativos, el mtodo lleva por tanto a transformar el problema en uno equivalente con un mnimo costo total cero, lo que ser cierto si es posible obtener una asignacin independiente de ceros. Partiendo de la matriz cuadrada se realizan los pasos siguientes: Paso 1) Encontrar el mnimo de cada fila. Construir una nueva matriz restando de cada fila el mnimo coste de sta. Para esta nueva matriz realizar la misma operacin por columnas. Esta nueva matriz se llama matriz de coste reducido. Paso 2) Considerando esta ltima matriz y procurando comenzar por las filas o columnas con menor nmero de ceros se recuadra un cero en cada fila y columna y se tachan los dems ceros de estas filas o columnas. Se repite este proceso hasta que no queden ceros sin tachar o recuadrar. Paso 3: Si el nmero de ceros recuadrados es igual que el nmero de filas (tambin ser igual que el nmero de columnas), las posiciones de los ceros recuadrados marcan la solucin ptima. Si no es as, continuar con el Paso 4. Paso 4: Tachar con el menor nmero de lneas (filas o columnas) todos los ceros de
Pgina | 35
18/02/2011
la matriz. Para conseguirlo se puede seguir el siguiente procedimiento: a) Se marcan las filas que no tengan ningn cero recuadrado. b) Se marcan las columnas que tengan algn cero tachado en las filas marcadas. c) Considerando nicamente las columnas marcadas se marcan las filas que tengan algn cero recuadrado en estas columnas marcadas. d) Se repite b y c hasta que no se puedan marcar ms filas o columnas. e) Se tachan las filas no marcadas y las columnas marcadas.
Paso 5: Se resta a todos los elementos sin tachar el menor de ellos. Los elementos de la parte tachada se dejan igual salvo los que estn tachados dos veces, a los que se les suma ese nmero. Paso 6: Volver al paso 2 Ejercicio 6) caso de minimizacin para la resolucin con el mtodo Hngaro Se trata de asignar cuatro personas a la realizacin de cuatro tareas diferentes. La puntuacin relativa de cada persona a cada tarea se podra determinar mediante puntuaciones de prueba, intentos u opiniones subjetivas. Esas puntuaciones se disponen en forma de matriz como se indica en la Tabla 43. TAREA 1 2 1 4 2 TAREA 2 6 2 3 4
TABLA 43
PERSONA 1 PERSONA 2 PERSONA 3 PERSONA 4
TAREA 3 3 5 1 1
TAREA 4 5 3 5 5
El primer paso consiste en obtener los costos de oportunidad para cada rengln y columna, mediante la resta en renglones y columnas. Esto se hace restando el nmero ms pequeo que aparezca en cada rengln o columna de los restantes valores del rengln respectivo. La Tabla 44 muestra la resta en renglones. TAREA 1 PERSONA 1 PERSONA 2 PERSONA 3 PERSONA 4 0 0 3 1 TAREA 2 4 1 2 3
TABLA 44
TAREA 3 1 4 0 0
TAREA 4 3 2 4 4
Num Menor 2 1 1 1
Observe que en cada rengln aparece un cero. Los otros valores distintos de cero son los costos de oportunidad que resultaran al no asignar la persona con la mejor
18/02/2011
puntuacin al puesto ms adecuado. Despus de cada operacin efectuada en la matriz, hay que verificar si se ha logrado la solucin ptima. Cuando hay un solo cero en cada rengln y columna, se tiene la mejor combinacin posible. En la Tabla 44 no hay ceros en las columnas de las tareas 2 y 4, de manera tal que se debe continuar aplicando el mtodo una vez ms por lo menos. La resta en columnas se hace en forma similar. El valor ms bajo que aparezca en cada columna de la matriz, (resultante de las diferencias en los renglones), se resta de todos los dems valores de la columna. El resultado se muestra en la Tabla 45 TAREA 1 0 0 3 1 0 TAREA 2 3 0 1 2 1
TABLA 45
PERSONA 1 PERSONA 2 PERSONA 3 PERSONA 4 Num Menor
TAREA 3 1 4 0 0 0
TAREA 4 1 0 2 2 2
Las columnas 1 y 3 no han variado, ya que contenan ceros. Los ceros revelan ahora los costos de oportunidad de las interacciones empleado-puesto. Se har una nueva verificacin de la solucin ptima. A primera vista parece que podra haber un cero para cada combinacin empleado puesto, pero una inspeccin ms rigurosa indica que el empleado 2 tiene tres de los costos cero de oportunidad disponibles. Por lo tanto se requiere otra operacin en la matriz. El paso siguiente tiene dos fases: La fase inicial consiste en cruzar todos los ceros que hay en la matriz resultante del paso anterior con el menor nmero posible de lneas rectas horizontales o verticales. Si el nmero de lneas es igual al nmero de renglones (o columnas), se ha obtenido ya una solucin en el paso anterior. Como se ve en la Tabla 46 el problema tiene tres lneas para cruzar todos los ceros. Como hay cuatro renglones quiere decir que no se ha obtenido una solucin y se confirman las conclusiones obtenidas al inspeccionar en forma independiente los ceros. Esta verificacin de la optimizacin es la primera finalidad de las lneas. TAREA 1 0 0 3 1 TAREA 2 3 0 1 2
TABLA 46
PERSONA 1 PERSONA 2 PERSONA 3 PERSONA 4
TAREA 3 1 4 0 0
TAREA 4 1 0 2 2
La segunda fase consiste en modificar la matriz. El procedimiento consiste en elegir el nmero ms pequeo no cruzado por las lneas que se trazaron. Ese nmero se suma a todos los valores que se encuentran en las intersecciones de las lneas y se resta de todos los numero no cruzados. En la Tabla 46, el nmero ms pequeo no cruzado es el 1, en las
18/02/2011
celdas del empleado 1, puesto 4; y del empleado 3 puesto 2. Se suma al valor de cada celda en la interseccin de lneas: Empleado 2, puesto 1: 0 + 1 = 1 Empleado 2, puesto 3: 4 + 1 = 5 Luego se resta el 1 de las celdas no cruzadas y obtenemos la matriz de la Tabla 47. Tabla 47. Uno sumado a las intersecciones de lneas y restado a las celdas no cruzadas. TAREA 1 TAREA 2 TAREA 3 TAREA 4 PERSONA 1 0 2 1 0 PERSONA 2 1 0 5 0 PERSONA 3 3 0 0 1 PERSONA 4 1 1 0 1
TABLA 47
Para hacer una rpida verificacin, la matriz se somete nuevamente al trazado de lneas que crucen los ceros. En este caso vemos que no hay manera de cruzar todos los ceros con menos de cuatro lneas rectas, por lo tanto se ha encontrado la solucin!!. Las asignaciones especficas se identifican localizando cualquier cero que aparezca solo en un rengln o columna. El nico cero de la columna 1 est en el rengln 1. Por lo tanto el empleado 1 se asigna al puesto 1. Nos queda ahora una matriz de 3 x 3: el rengln 1 y la columna 1 fueron tomados ya por la primera asignacin. En el rengln 4, la nica asignacin posible es el empleado 4 al puesto 3. Las dos asignaciones restantes son el empleado 2 al puesto 4, y el empleado 3 al puesto 2. Las combinaciones y las puntuaciones son las siguientes: (ver tabla 43) Combinacin empleado-puesto: E1 a P1, E2 a P4, E3 a P2, E4 a P3 Puntuacin empleado-puesto: 2 3 3 1 Ninguna otra combinacin puede ofrecer mejores puntuaciones por puesto. Expresado de otro modo, este es el programa que tiene el costo de oportunidad mnimo.
CONCLUSION
Habiendo desarrollado la temtica Modelos de Distribucin se pueden identificar diferencias entre los Modelos de Transporte y los de Asignacin. El de transporte no necesariamente es cuadrado, el de asignacin debe serlo. En el de transporte las xij pueden tomar infinitos valores, representando una cantidad que se transporta desde el origen i hasta el destino j; en cambio en la asignacin los x ij son variables ficticias que puede tomar dos valores {0, 1} representa: no asignado, asignado. En el modelo de transporte se puede transportar de un origen a varios destinos, en cambio en el de asignacin desde un origen se puede asignar a un solo destino.
Pgina | 38
18/02/2011
En el de transporte el coeficiente de costo/beneficio de transportar una unidad del origen i al destino j es el cij; pero en el de asignacin es el coeficiente de costo/beneficio de asignar (todo) el origen i al destino j. Las diferencias de los modelos matemticos de asignaciones y de transporte permiten visualizar al problema de asignaciones como un caso particular del de transporte. El problema de transporte se plantea cuando han de distribuirse bienes o servicios que se producen en diferentes lugares (orgenes) y que son demandados en diferentes ubicaciones (destinos). El propsito del problema de transporte es minimizar los gastos que se producen al transportar los artculos desde los orgenes a los destinos. El problema de asignacin consiste en asignar n individuos a n tareas de modo que todos los individuos realicen una tarea y todas las tareas se realicen. Se exige adems que el costo total sea mnimo.
Bibliografia:
Apuntes de Ctedra INVESTIGACIN OPERATIVA. Teora, Ejercicios y Prcticas con Ordenador Rosa Rodrguez -Huertas Antonio Gmez Mellado 10 de Septiembre de 2002
Enlaces Consultados:
http://www.educar.org/lengua/monografia/index.asp http://www.higiene.edu.uy/pautas.htm http://davinci.ing.unlp.edu.ar/produccion/catingp/Capitulo%207%20PROBLEMAS%20DE%20TRANSPORTE% 20Y%20ASIGNACION.pdf http://www.scribd.com/doc/21065991/Ejercicios-Resueltos-de-Metodo-de-Asignacion-y-Metodo-deTransportes http://investigaciondeoperacionesind331.blogspot.com/p/metodo-de-transporte.html http://www.investigacion-operaciones.com/material%20didactico/Transporte%20y%20Transbordo.pdf http://books.google.com.ar/books?id=oNuXccZkWfIC&pg=PA395&lpg=PA395&dq=historia+%22modelos+de +transporte%22&source=bl&ots=RtzBO8_sv&sig=GM9CYxZQ2FIeCxLj7jVoE2IprwM&hl=es&ei=2rhZTaq9BYPDgQfKpoyEDQ&sa=X&oi=book_re sult&ct=result&resnum=8&ved=0CEgQ6AEwBzgK#v=onepage&q=historia%20%22modelos%20de%20transp orte%22&f=false
Pgina | 39

Monografiainvop2011leiva2 121226094308 Phpapp01

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Monografiainvop2011leiva2 121226094308 Phpapp01

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO FACULTAD DE CIENCIAS EXACTAS Y TECNOLOGAS CTEDRA: INVESTIGACIN OPERATIVA

SUMARIO O TABLA DE CONTENIDO

ALUMNA: LEIVA, VERONICA ELIZABET

ALUMNA: LEIVA, VERONICA ELIZABET

ALUMNA: LEIVA, VERONICA ELIZABET

ALUMNA: LEIVA, VERONICA ELIZABET

M Mo od de ello os sd de eD Diis st tr riib bu uc cii n n

ALUMNA: LEIVA, VERONICA ELIZABET

ALUMNA: LEIVA, VERONICA ELIZABET

DESTILERIA 1 DESTILERIA 2 DESTILERIA 3

ALUMNA: LEIVA, VERONICA ELIZABET

Sujeta a las restricciones: 1)

xij = bj; para toda j : 1, 2, , n xij = ai; para toda i : 1, 2, , m ai = bj

ALUMNA: LEIVA, VERONICA ELIZABET

Siendo ai: es la cantidad de recursos disponibles de los origenes i.

xij: es la cantidad asignada desde el origen i hasta el destino j. Es una variable de

ALUMNA: LEIVA, VERONICA ELIZABET

METODO DE APROXIMACION DE VOGEL

ALUMNA: LEIVA, VERONICA ELIZABET

Es degenerada? N de asignaciones < m+n-1

Levantar degeneracin. Asignar

Redistribucin Costo Total Trayectoria +-

ALUMNA: LEIVA, VERONICA ELIZABET

Mtodo de la Esquina Noroeste (MENO)

ALUMNA: LEIVA, VERONICA ELIZABET

ALUMNA: LEIVA, VERONICA ELIZABET

a una casilla es el mismo que para cualquier otra

ALUMNA: LEIVA, VERONICA ELIZABET

ALUMNA: LEIVA, VERONICA ELIZABET

ALUMNA: LEIVA, VERONICA ELIZABET

Estaciones expendedoras Disponibilidades B C D ai FICTICIA 3 60 60 60 8 0 1 80 6 60 3 70 10 0 50 80 1 60 4 5 0 4 6 4 4 23 23

-40 0 -30 -10 0 0

Estaciones expendedoras Disponibilidades B C D ai FICTICIA 60 1 60 3 60 4 8 0 80 5 60 70 10 0 4 50 80 1 60 5 0 4 6 4 4 23 23

ALUMNA: LEIVA, VERONICA ELIZABET

ALUMNA: LEIVA, VERONICA ELIZABET

Disponibilidades ai 150 300 450

ALUMNA: LEIVA, VERONICA ELIZABET

Mtodo de aproximacin de Vogel (MAV).

Caso de minimizacin. (MAV)

ALUMNA: LEIVA, VERONICA ELIZABET

Enlatadora A Enlatadora B Enlatadora C Enlatadora D

Alamcen 3 $36 $45 $26 $66

Alamcen 4 $60 $38 $65 $27

ALUMNA: LEIVA, VERONICA ELIZABET

ALUMNA: LEIVA, VERONICA ELIZABET

ALUMNA: LEIVA, VERONICA ELIZABET

Produccin 4 36 -45 -26 -66 9 0 60 38 65 27 5 0 0 0

Almacenes 2 3 4 35 1 6 30 --- 50 14 2 40 -12 15

Produccin 4 36 -45 -26 -66 9 9 60 38 65 27 15 6 14 11 46

ALUMNA: LEIVA, VERONICA ELIZABET

ALUMNA: LEIVA, VERONICA ELIZABET

ALUMNA: LEIVA, VERONICA ELIZABET

Luego, la tabla de asignaciones resultante es la siguiente:

Si seguimos el procedimiento del algoritmo (figura 4):

-10 -35 -30 -50 -40 16 25

-11 -36 -45 -26 -66 52 10 58

-35 -60 -38 -65 -27

ALUMNA: LEIVA, VERONICA ELIZABET

-10 -35 -30 -50 -40 16 20

-6 -36 -45 -26 -66 47 5 53

-30 -60 -38 -65 -27

ALUMNA: LEIVA, VERONICA ELIZABET

Origen 1 Origen 2 Origen 3